/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
SheetSage2
Библиотека
transformers
Опубликована
13 сен 2026

SheetSage2-GGUF

ЭмбеддингиТекст → embedding3 профессии

Конвертированная версия SheetSage2 для преобразования музыкального аудио в редактируемые мелодические и аккордовые партитуры с разметкой ритма, тональности и структуры.

32 666скачиваний за 30 дней8лайковвеса обновлены6 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SheetSage2-GGUF — конвертированная в GGUF версия модели SheetSage2 от m-a-p, подготовленная для среды выполнения audio.cpp. Она предназначена для транскрибирования музыкального аудио в редактируемые партитуры и последовательности событий: мелодию, аккорды, доли, тональность и структуру композиции. В основе используется аудиобэкбон MERT-v2-FullSong; GGUF содержит объединённые с ним обновления LoRA и веса задач, поэтому отдельный чекпойнт бэкбона для инференса не нужен.

Файл sheetsage2-orig.gguf хранит объединённую модель в FP32 и занимает около 2,71 ГБ. Проверка конвертации подтвердила совпадение тензоров с источниками; на двух песнях выходные токены и ABC-разметка совпали с результатами Python-реализации при одинаковой политике вычислений. Это конверсия существующей модели, а не новая или официальная upstream-версия. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Сценарии применения

  • транскрибирование мелодии из музыкальной записи
  • извлечение аккордов из песни
  • определение долей и ритмической структуры композиции
  • определение тональности музыкального фрагмента
  • создание редактируемой партитуры по аудиозаписи
  • получение ABC-нотации из музыки

Ограничения

Результаты проверки совпадения получены только на двух песнях и при одинаковой политике вычислений; это не общий бенчмарк точности. README предупреждает, что квантизация Q8 может заметно менять распознанные ноты, аккорды и ABC-вывод.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SheetSage2-GGUF

GGUF conversion of m-a-p/SheetSage2 for audio.cpp. SheetSage2 transcribes music into melody, chords, beats, key, structure, and editable scores. This is a converted checkpoint, not a new model or an official upstream release.

Demo

Watch or download the demo.

Upstream

The packaged file uses the audio.cpp SheetSage2 runtime, not the upstream Transformers loader.

Weights and Size

FileStorageSize
sheetsage2-orig.ggufUnquantized FP32, merged model2,708,224,512 bytes (2.71 GB / 2.52 GiB)

The upstream model.safetensors is only 228,738,564 bytes (228.74 MB): it contains SheetSage2 adapters and task-specific weights and relies on the separately downloaded MERT-v2-FullSong backbone. The GGUF includes that backbone with the LoRA updates already merged, plus the task weights and embedded configuration. No separate backbone checkpoint is needed at inference time.

The merged GGUF stores 677,020,953 FP32 values across 1,039 tensors. The larger size comes from packaging the complete merged model, not GGUF container overhead or accidental duplication. Both the upstream SheetSage2 safetensors and this GGUF use FP32; this is not an FP16-to-FP32 size increase.

Conversion Validation

The tensor audit passed all 1,039 tensors: 96 matched the official FP32 LoRA merge byte-for-byte, and 943 matched the source tensors unchanged. There were no missing or extra tensors, dtype or shape errors, or byte mismatches.

GGUF SHA256: 52bb5846c452037d39931aa8050885b6c751b9c7afcc8ef6d6d3067d241731a4.

Two complete songs (69.84 s and 161.53 s) matched Python token sequences and ABC output exactly with FP32 weights and CUDA TF32 enabled in both implementations. Event timestamps differed only by floating-point rounding (at most 2.85e-14 s). This is matched-math-policy validation, not a guarantee of identical output across backends or with Python TF32 disabled.

Q8 Warning

Q8 is not safe for preserving transcription parity. Use sheetsage2-orig.gguf.

On the tested 161.53-second song, Q8_0 first changed a chord at 30.48 seconds. Compared with orig, it produced 538 instead of 542 events and 387 instead of 392 notes. At shared subbeats, 17 chord fields and 32 melody fields differed, and the ABC output changed. This is more than a one-off timestamp drift. It is evidence from one song, not a general accuracy benchmark; Q8 is not included in this package.

License

The upstream weights are licensed under Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This conversion retains that license; conversion does not grant commercial-use rights. Attribute the original SheetSage2 and MERT2 creators and source repositories, and identify the GGUF conversion and LoRA merge as modifications.

See the upstream license, CC BY-NC 4.0 terms, and upstream third-party notices. Code and dependencies retain their separate licenses.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
4e88814

0 моделей